/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,5 млрд
Размер весов
27,6 ГБ
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
DeepSeek-Prover-V1.5-SFT
Библиотека
transformers
Опубликована
20 мар 2025

STP_model_Lean_0320

Генерация текстаТекст → текст3 профессии

STP — дообученная языковая модель для генерации формальных математических доказательств и работы с теоремами в Lean 4.

67скачиваний за 30 дней1лайквеса обновлены24 мар 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

STP (Self-play Theorem Prover) — модель Kefan Dong и Tengyu Ma для генерации формальных математических доказательств в Lean 4. Это плотная авторегрессионная модель семейства Llama с 6,5 млрд параметров и контекстом 4096 токенов; она использует архитектуру LlamaForCausalLM и работает через Transformers. Модель дообучена на DeepSeek-Prover-V1.5-SFT в течение одной эпохи на примерах из mathlib4, LeanWorkbook и доказательствах, полученных в ходе self-play.

Сценарии применения

  • генерация доказательств теорем в Lean 4
  • поиск формального доказательства для математического утверждения
  • создание доказательств для задач из mathlib4
  • проверка вариантов доказательств на тестах miniF2F и ProofNet

Ограничения

Модель предназначена для формальных математических доказательств в Lean 4, а результаты оценки приведены для miniF2F-test и ProofNet-test; они не гарантируют корректность каждого сгенерированного доказательства. Контекст ограничен 4096 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This is the final Self-play Theorem Prover model as described in the paper https://arxiv.org/abs/2502.00212. The training and evalution code is avaliable here.

@article{dong2025beyond,
  title={Beyond Limited Data: Self-play LLM Theorem Provers with Iterative Conjecturing and Proving},
  author={Dong, Kefan and Ma, Tengyu},
  journal={arXiv preprint arXiv:2502.00212},
  year={2025}
}

1. Evaluation Results

The table below compares the pass@3200 performance of STP (our model) and DeepSeek-Prover-V1.5 on miniF2F-test and ProofNet-test.

miniF2F-testProofNet-test
DeepSeek-Prover-V1.5-SFT53.3% ± 0.5%21.0% ± 0.9%
DeepSeek-Prover-V1.5-RL54.9% ± 0.7%22.0% ± 0.5%
STP65.0% ± 0.5%23.9% ± 0.6%

2. Dataset

We also release the dataset here, which contains:

  • Extracted examples from mathlib4,
  • Generated correct proofs of statements in LeanWorkbook,
  • Generated correct proofs of conjectures proposed by our model during self-play training.

Our final model is finetuned from DeepSeek-Prover-V1.5-SFT with this dataset for 1 epoch.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
ae7751c

0 моделей